消毒HTML - 获取一些未知的编码？

Question

我正在使用HtmlSanitizer解析输入.NET Core阻止XSS Injections。 HtmlSanitizer实现AngleSharp - 我不知道什么角度夏普的做法，但它编码某些字符，像这样：

输入：

&#33;@#$%^&*()_+{}:"<>?~

输出：

!@#$%^&*()_+{}:"<>?~

注意<,>和&编码为<,>和分别为。我在这里有两个问题：

1. 这是什么编码？
2. （可选）有没有办法使用AngleSharp或其他库来撤消它？

旁注 - 为所需要的所有东西有害被剥离出来，这种格式的变化发生在“安全的” HTML反正，只是想指出，我不是撤销库的任何安全功能，所以我们不对此有长时间的讨论。

Answer 1

这些字符串是HTML编码的。 html编码的目的是为了防止XSS，但由于我已经剥离了任何可能有害的代码，对我来说这只是矫枉过正。更多细节可在此答案（引自那里复制的）中找到：

HTML.Encode() - What/How does it prevent scripting security problems in ASP .NET?

• 的低于字符（<）转化为<。
• 大于号（>）将转换为>。
• ＆符号（&）被转换为&。
• 的双引号（“）被转换为"。
• 任何ASCII码字符，其代码是大于或等于0x80的 转换为&#<number>，其中 是ASCII字符值。

您可以.NET Core使用内置的工具，如描述here HTML编码和解码的字符串。